Methods and apparatus for estimating and removing spectral interference
improve precision and robustness of non-invasive analyte measurement using
Near-infrared (NIR) spectroscopy. The estimation of spectral interference
is accomplished, either through multivariate modeling or discrete factor
analysis, using a calibration set of samples in which the interference is
orthogonal to the analyte signal of interest, or where the shape of the
interference is known. Each of the methods results in a multivariate model
in which the spectral interference is estimated for a new sample and
removed by vector subtraction. Independent models based on classes of
sample variability are used to collapse spectral interference and
determine more accurately which model is best equipped to estimate the
signal of interference in the new sample. Principal components analysis
and other commonly known analytical techniques can be used to determine
class membership.
Os métodos e os instrumentos para a interferência spectral estimando e removendo melhoram a precisão e o robustness da medida non-invasive do analyte usando o spectroscopy (NIR) Próximo-infravermelho. O estimation da interferência spectral é realizado, com modelar multivariate ou a análise de fator discreta, usando um jogo da calibração das amostras em que a interferência é orthogonal ao sinal do analyte do interesse, ou de onde a forma da interferência seja sabida. Cada um dos métodos resulta em um modelo multivariate em que a interferência spectral é estimada para uma amostra nova e removida pela subtração do vetor. Os modelos independentes baseados em classes do variability da amostra são usados desmoronar a interferência spectral e determinar mais exatamente que o modelo é equipado melhor para estimar o sinal da interferência na amostra nova. A análise dos componentes principais e outras técnicas analíticas geralmente sabidas podem ser usadas determinar a sociedade da classe.